- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT04527029
Early Intelligent Diagnosis of Limb Deformity in Children by AI and Clinic Application
10 de abril de 2022 actualizado por: Children's Hospital of Fudan University
The Studies of Early Intelligent Diagnosis of Limb Deformity in Children by AI and Clinic Application
The limb deformity in children include congenital limb malformations or acquired from the damage of epiphyseal plate which caused by tumor, inflammation and trauma.
Due to the complexity of the disease itself, rapid dynamic development and the characteristics of children's growth and development, the deformities are constantly changing.
In addition, the serious lack of clinical diagnosis and treatment resources in the Department of Pediatric Orthopedics has led to the misdiagnosis and improper treatment of children's limb deformities.
Thus, its necessary to find an intelligent way to help doctor to early diagnosis of limb deformity and provide a proper treatment in children.
Descripción general del estudio
Estado
Aún no reclutando
Condiciones
Intervención / Tratamiento
Descripción detallada
The extraction and application of big data of children's limb deformities, intelligent labeling of image data, precise positioning, and perfecting the anatomical data of children's limb deformities.Improve the positioning accuracy of key points in X-ray images of children's limb deformities by means of step-by-step supervision to improve the accuracy of diagnosis.Realize an intelligent report generation system that combines patient background information, establish an end-to-end auxiliary diagnosis and treatment suggestion demonstration application system; realize a full set of artificial intelligence solutions for children's skeletal deformities, early screening and diagnosis of children, and forming an intelligent referral system of children's limb deformities.
Tipo de estudio
De observación
Inscripción (Anticipado)
9000
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Estudio Contacto
- Nombre: Bo Ning, PhD
- Número de teléfono: +86 13585700275
- Correo electrónico: ningbo@fudan.edu.cn
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Edades elegibles para estudiar
No mayor que 18 años (Niño, Adulto)
Acepta Voluntarios Saludables
No
Géneros elegibles para el estudio
Todos
Método de muestreo
Muestra no probabilística
Población de estudio
Children with limb deformity
Descripción
Inclusion Criteria:
Children with limb deformity
Exclusion Criteria:
Children without limb deformity
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
---|---|
limb deformity children
the imaging of limb deformity diagnosis by AI
|
It is an observational study.
No interventions.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Deformity detection
Periodo de tiempo: At enrollment
|
It is a binary variable (1/0).
The radiographic features of children would be evaluated by artificial Intelligence.
If the deformity was detected, variable would be setted into 1.
|
At enrollment
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Investigadores
- Investigador principal: Bo Ning, PhD, Children's Hospital of Fudan University
Publicaciones y enlaces útiles
La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.
Publicaciones Generales
- Jamaludin A, Lootus M, Kadir T, Zisserman A, Urban J, Battie MC, Fairbank J, McCall I; Genodisc Consortium. ISSLS PRIZE IN BIOENGINEERING SCIENCE 2017: Automation of reading of radiological features from magnetic resonance images (MRIs) of the lumbar spine without human intervention is comparable with an expert radiologist. Eur Spine J. 2017 May;26(5):1374-1383. doi: 10.1007/s00586-017-4956-3. Epub 2017 Feb 6.
- Mirskaia NB, Kolomenskaia AN, Siniakina AD. [Prevalence and medical and social importance of disorders and diseases of the musculoskeletal systems in children and adolescents (review of literature)]. Gig Sanit. 2015 Jan-Feb;94(1):97-104. Russian.
- Theofilatos K, Pavlopoulou N, Papasavvas C, Likothanassis S, Dimitrakopoulos C, Georgopoulos E, Moschopoulos C, Mavroudi S. Predicting protein complexes from weighted protein-protein interaction graphs with a novel unsupervised methodology: Evolutionary enhanced Markov clustering. Artif Intell Med. 2015 Mar;63(3):181-9. doi: 10.1016/j.artmed.2014.12.012. Epub 2015 Feb 18.
- Silverman BG, Hanrahan N, Bharathy G, Gordon K, Johnson D. A systems approach to healthcare: agent-based modeling, community mental health, and population well-being. Artif Intell Med. 2015 Feb;63(2):61-71. doi: 10.1016/j.artmed.2014.08.006. Epub 2014 Sep 11.
- Ravi D, Wong C, Deligianni F, Berthelot M, Andreu-Perez J, Lo B, Yang GZ. Deep Learning for Health Informatics. IEEE J Biomed Health Inform. 2017 Jan;21(1):4-21. doi: 10.1109/JBHI.2016.2636665. Epub 2016 Dec 29.
- Rahmathulla G, Nottmeier EW, Pirris SM, Deen HG, Pichelmann MA. Intraoperative image-guided spinal navigation: technical pitfalls and their avoidance. Neurosurg Focus. 2014 Mar;36(3):E3. doi: 10.3171/2014.1.FOCUS13516.
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (Anticipado)
1 de diciembre de 2022
Finalización primaria (Anticipado)
1 de septiembre de 2023
Finalización del estudio (Anticipado)
1 de diciembre de 2024
Fechas de registro del estudio
Enviado por primera vez
22 de agosto de 2020
Primero enviado que cumplió con los criterios de control de calidad
22 de agosto de 2020
Publicado por primera vez (Actual)
26 de agosto de 2020
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
12 de abril de 2022
Última actualización enviada que cumplió con los criterios de control de calidad
10 de abril de 2022
Última verificación
1 de abril de 2022
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- ningbo1528
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
NO
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .